Food-borne microbes influence conjugative transfer of antimicrobial resistance plasmids in pre-disturbed gut microbiome
Notice bibliographique
Résumé
Ingestion of antibiotic-resistant bacteria following antibiotic treatments may lead to the transfer of antimicrobial resistance genes (ARGs) within a disturbed gut microbiota. However, it remains unclear whether and how microbes present in food matrices influence ARG transfer. Thus, a previously established mouse model, which demonstrated the conjugative transfer of a multi-drug resistance plasmid (pIncA/C) from Salmonella Heidelberg (donor) to Salmonella Typhimurium (recipient), was used to assess the effects of food-borne microbes derived from fresh carrots on pIncA/C transfer. Mice were pre-treated with ampicillin, streptomycin, sulfamethazine, or left untreated as a control to facilitate bacterial colonization. Contrary to previous findings where high-density colonization of the donor and recipient bacteria occurred in the absence of food-borne microbes, the presence of these microbes resulted in a low abundance of S. Typhimurium and no detection of S. Typhimurium transconjugants in the fecal samples from any of the mice. However, in mice pre-treated with streptomycin, a significant reduction in microbial species richness allowed for the significant enrichment of Enterobacteriaceae and pIncA/C transfer to bacteria from the genera Escherichia, Enterobacter, Citrobacter, and Proteus. These findings suggest that food-borne microbes may enhance ARG dissemination by influencing the population dynamics of bacterial hosts within a pre-disturbed gut microbiome.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».